#coding=utf-8 #urllib模块提供了读取Web页面数据的接口 import urllib #re模块主要包含了正则表达式 import re #定义一个getHtml()函数 def getHtml(url): page = urllib.urlopen(url) #urllib.urlopen()方法用于打开一个URL地址 html = page.read() #read()方法用于读取URL上的数据 return html def getImg(html): reg = r‘src="(.+?\.jpg)" pic_ext‘ #正则表达式,得到图片地址 imgre = re.compile(reg) #re.compile() 可以把正则表达式编译成一个正则表达式对象. imglist = re.findall(imgre,html) #re.findall() 方法读取html 中包含 imgre(正则表达式)的 数据 #把筛选的图片地址通过for循环遍历并保存到本地 #核心是urllib.urlretrieve()方法,直接将远程数据下载到本地,图片通过x依次递增命名 x = 0 for imgurl in imglist: urllib.urlretrieve(imgurl,‘D:\E\%s.jpg‘ % x) x+=1 html = getHtml("http://tieba.baidu.com/p/xxxx") print getImg(html)
时间: 2024-11-05 02:19:03